《基于导航拓扑图的仿生导航方法研究》面向地面与空中无人作战平台的自主导航需求，借鉴哺乳动物大脑海马区的建图与识别机理及昆虫复眼敏感偏振光定向机理，从仿生机理和导航机制两方面，重点研究了导航拓扑图的构建方法、拓扑节点识别与匹配定位方法、多目偏振视觉/惯性组合定向方法和基于拓扑图的节点递推导航算法等关键理论方法，并设计了车载实验和遥感地图飞行实验，验证了所提出方法的正确性和有效性。
　　《基于导航拓扑图的仿生导航方法研究》对从事仿生导航与多传感器组合导航研究的科研技术人员具有重要参考价值，也可作为高等学校自主导航相关专业的研究生教材。

　　目前，惯性与卫星组合导航作为无人作战平台的主要导航手段，在卫星信号受到严重干扰或拒止时，导航系统误差将随时间增长而快速积累，甚至会导致系统面临“失效”的风险，因此，高精度自主导航就成为了无人作战平台亟待解决的关键技术之一。仿生导航已成为导航技术研究领域的热点，有望为复杂环境下无人作战平台的高精度、长航时自主导航提供了一种全新的技术方案。
　　本书以地面和空中无人作战平台为应用背景，借鉴哺乳动物大脑海马区的建图与识别机理及昆虫复眼敏感偏振光定向机理，重点研究了基于网格细胞特性的导航拓扑图构建方法、基于多尺度的拓扑节点识别与匹配定位方法、多目偏振视觉／惯性组合定向方法以及基于拓扑图的节点递推导航算法等内容，并通过车载实验和遥感地图飞行实验对所提出的技术方案和仿生导航方法的可行性进行验证。主要研究工作与成果总结如下：
　　（1）在深入分析哺乳动物大脑海马区网格细胞激活特性与空间表达结构的基础上，分别面向地面与空中无人作战平台，提出了一种基于网格细胞特性的导航拓扑图构建方法；根据平台的运动状态和导航系统精度，给出确定拓扑节点位置和空间尺度的边界约束条件。与现有的导航拓扑图相比，所构建的拓扑图具有多尺度的双层复合结构，能够更有效地表达和度量运动空间。
　　（2）提出了一种基于多尺度的拓扑节点识别算法。针对欧几里得空间内节点场景特征可区分性较弱的问题，研究了基于LMNN的特征识别空间重构算法，增强了节点特征分布的可区分性，更有利于识别；结合地面与空中无人作战平台的导航拓扑图，分别提出了基于自适应多尺度和基于多尺度序列图像匹配的拓扑节点识别算法，与现有识别算法相比，可显著提高节点识别的正确率：给出了一种改进的节点特征匹配定位算法，将PnP问题求唯一解所需的最少匹配点数减至2个，降低了算法复杂度，增强了实用性。
　　（3）研究了多目偏振视觉航向传感器的标定与定向算法。提出了一种基于L-M的多目偏振视觉航向传感器标定方法，可有效提高传感器的测量精度：提出了一种基于偏振度梯度（GDOP）的偏振图像噪声抑制方法，能够有效地抑制天空遮挡障碍对定向精度的影响；提出了一种基于全局最小二乘的多目偏振视觉／惯性组合定向算法，并给出了偏振光定向模糊度的求解方法，设计车载实验验证了该算法的有效性。
　　（4）提出了一种基于拓扑图的节点递推导航算法。该算法以导航拓扑图为基础，根据系统的器件精度，自动地建立合适的拓扑节点，通过拓扑节点识别与匹配定位所获取的位置观测，以及多目偏振视觉航向传感器所提供的航向观测为约束条件，将惯性信息与偏振光航向信息进行融合，可有效补偿导航系统的累积误差。车载实验与遥感地图飞行实验验证结果表明：该算法能够显著提高导航系统的定位定向精度，即便在运行过程中位置观测信息有较大“跳变”的情况下，系统的定位定向误差依然收敛在一定范围内，证明了该方法的有效性和可用性。

第1章 绪论
1．1 仿生导航的研究背景和意义
1．2 国内外仿生导航的研究现状
1．2．1 仿生导航方法
1．2．2 导航拓扑图的构建方法
1．2．3 节点位置识别方法
1．2．4 大气偏振光定向技术
1．3 本书拟解决的问题与思路
1．3．1 本书拟解决的问题
1．3．2 解决问题的思路
1．4 本书的研究内容及组织结构

第2章 基于网格细胞特性的导航拓扑图构建方法
2．1 导航拓扑图的基本概念
2．1．1 拓扑节点与连通边
2．1．2 常用的导航拓扑图
2．2 网格细胞的生物特性与构图特性分析
2．2．1 网格细胞的生物特性
2．2．2 网格细胞的构图特性分析
2．3 导航拓扑图构建方法
2．3．1 导航拓扑图适构性分析
2．3．2 一维导航拓扑图的构建
2．3．3 二维导航拓扑图的构建
2．4 构图案例与分析
2．4．1 一维导航拓扑图案例与分析
2．4．2 二维导航拓扑图案例与分析
2．5 本章小结

第3章 拓扑节点识别与匹配定位方法
3．1 节点识别概述
3．2 基于多尺度的节点特征识别算法
3．2．1 基于LMNN的特征识别空间重构
3．2．2 一维拓扑图的节点特征识别算法
3．2．3 二维拓扑图的节点特征识别算法
3．3 匹配定位方法
3．3．1 基于RANSAC的特征点匹配方法
3．3．2 定位方法
3．4 节点识别算法实验验证
3．4．1 一维拓扑图的节点识别算法验证
3．4．2 二维拓扑图的节点识别算法验证
3．5 本章小结

第4章 多目偏振视觉/惯性组合定向方法
4．1 大气偏振模型及偏振光定向原理
4．1．1 大气偏振模型
4．1．2 仿生偏振光定向原理
4．2 多目偏振视觉航向传感器测量与标定方法
4．2．1 多目偏振视觉航向传感器的测量方法
4．2．2 多目偏振视觉航向传感器的误差模型
4．2．3 多目偏振视觉航向传感器的标定方法
4．3 组合定向方法与误差分析
4．3．1 组合定向方法
4．3．2 定向误差分析
4．4 实验验证
4．4．1 静态实验
4．4．2 车载实验
4．5 本章小结

第5章 基于拓扑图的节点递推导航算法
5．1 仿生导航算法
5．1．1 算法总体框架
5．1．2 基于一维拓扑图的节点递推导航算法
5．1．3 基于二维拓扑图的节点递推导航算法
5．2 算法误差分析
5．2．1 不同观测约束的影响
5．2．2 匹配定位误差分析
5．3 实验验证与分析
5．3．1 车载实验
5．3．2 遥感地图飞行实验
5．4 本章小结

第6章 全书总结
附录A 标定算法中雅可比矩阵推导
附录B 惯性/偏振光/视觉组合观测方程Aψ的推导
参考文献